80 likes | 140 Vues
在收斂效度方面,本研究透過平均萃取變異量 (AVE) 來檢視,平均萃取變異量是計算潛在變項之各顯性變項對該潛在變項的平均解釋變異量,每一構面的平均萃取變異量一般建議必須大於 0.5 。本研究的衡量模式中,系統品質、資訊品質、服務品質、知覺犧牲、知覺價值、沉浸、顧客滿意度、顧客忠誠度等八個構面之平均萃取變異量分別為 0.64 、 0.65 、 0.67 、 0.75 、 0.74 、 0.59 、 0.78 、 0.84 ,故本研究的衡量模式具有良好的收斂效度。 在區別效度方面,如果衡量模式具有區別效度,各構面的平均萃取變異量必須大於構面間的共享變異量。.
E N D
在收斂效度方面,本研究透過平均萃取變異量(AVE)來檢視,平均萃取變異量是計算潛在變項之各顯性變項對該潛在變項的平均解釋變異量,每一構面的平均萃取變異量一般建議必須大於0.5。本研究的衡量模式中,系統品質、資訊品質、服務品質、知覺犧牲、知覺價值、沉浸、顧客滿意度、顧客忠誠度等八個構面之平均萃取變異量分別為0.64、0.65、0.67、0.75、0.74、0.59、0.78、0.84,故本研究的衡量模式具有良好的收斂效度。 在區別效度方面,如果衡量模式具有區別效度,各構面的平均萃取變異量必須大於構面間的共享變異量。
表3顯示各構面的平均萃取變異量是表格中對角線之數值(陰影部份),而非對角線之數值足是各構面間的共想變異量;表3中顯示的對角線之數值皆大於非對角線之數值,故各構面間皆具有區別效度。綜合上述的分析結果顯示,本研究的衡量模式具有良好的信度、收斂效度以及區別效度。
3.研究模式之假說檢定結果: 結構模式之整體配適度指標X2/df、GFI、AGFI、NFI、RFI、IFI、TLI、CFI、RMSEA分別為1.437、0.935、0.914、0.957、0.948、0.987、0.984、0.986、0.033皆符合學者建議之理想值,因此可以確認結構模式與樣本資料有非常高的配適度。本研究接著檢視結構模式之標準化路徑係數,顯示出除了三條路徑外(資訊品質對知覺價值與顧客滿意度、沉浸對顧客忠誠度),其他路徑係數之P值皆小於0.05(如圖五)。是故,研究模式12項研究假說中,除假說2、假說6、假說12不支持以外,其餘9項假說皆獲支持。
研究結果討論 從顧客理性行為角度來看,顧客使用線上旅遊系統所”認知”到的知覺品質與知覺犧牲會形成顧客知覺價值,進而產生”情感”上的滿意度,最後導致”行為”上的顧客忠誠。另外,在心流理論方面,顧客亦可能因為對線上旅遊系統的流連忘返,因而產生情感上的依戀,加強了顧客滿意度與忠誠度。實證的結果顯示研究模式與實證資料有很高的配適度,這表示本研究所構的線上旅遊系統成功模式是適當的。
感謝聆聽 THE END